高校专区
基于锚点思考：接地且高效的文档推理
机构 * Georgia Tech（佐治亚理工学院） ； CMU（卡内基梅隆大学） ； Adobe（奥多比公司） ； ZJU（浙江大学） ； NUIST（南京信息工程大学） ； SEU（东南大学） ； Physion Labs（Physion实验室） ； Columbia University（哥伦比亚大学）
AI总结 该研究提出面向推理的ADOPD 2026数据集，将多类文档元素转化为视觉锚点，支持区域语义标注、统一视觉-语言接地等能力，解决现有模型在文档计数任务上的不足，推动文档理解向锚点接地的智能方向发展。
并非双关：基于对比学习与音义嵌入的多智能体文字游戏翻译
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本研究结合大型语言模型与语言约束，提出三种双关语翻译方法，其多智能体系统在CLEF JOKER 2025竞赛中获专家评估第一，可改善文字游戏翻译效果。
寻找音义碰撞：CLEF 2026 JOKER任务2中基于图的可供性检索与多评估者排名的双关语翻译
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对CLEF 2026 JOKER任务2，提出基于图的可供性检索与多评估者排名的双关语翻译方法，证实检索音义可供性是计算双关语翻译的核心瓶颈，结果契合Low的设想。
Comments CLEF 2026 Working Notes, 21-24 September 2026, Jena, Germany
推理前的感知：面向视频理解与问答的动态隐式推理
机构 * Rice University（莱斯大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对视频问答现有方法依赖长文本思维链的问题，提出DyLaR模型，通过动态调整感知与推理隐式变量的使用，在9个视频基准上提升准确率且缩短响应长度。
函数流匹配的离散化与统计一致性
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对函数流匹配的离散化问题，证明了有限秩重构下的强L²收敛性，推导了Wasserstein界与超额风险项，给出了端到端收敛速率的显式结果。
Comments 31 pages, 2 tables
SimFoundry: 用于策略学习和评估的模块化自动化场景生成
机构 * NVIDIA ； Georgia Institute of Technology（佐治亚理工学院） ； Stanford University（斯坦福大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Toronto（多伦多大学）
AI总结 提出SimFoundry系统，从视频零样本构建仿真场景，支持对象、场景和任务编辑，生成数字孪生与数字表亲，提升策略在真实世界的泛化能力，实验显示仿真评估与真实性能高度相关。
并非双关：结合对比学习与音义嵌入的多智能体双关语翻译方法，用于CLEF JOKER 2025任务2
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Peoples' Friendship University of Russia (RUDN University)（俄罗斯人民友谊大学） ； Joint Institute for Nuclear Research（联合核子研究中心） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； University of Skövde（斯德哥尔摩大学）
AI总结 本研究针对跨语言双关语翻译难题，提出结合对比学习、音义嵌入与多智能体生成器-判别器框架的三阶段方法，在CLEF JOKER 2025任务2竞赛中获第一、第二名，推动了双关语翻译研究。
Journal ref CEUR Workshop Proceedings, Vol-4038, pp. 2870-2888, 2025
BAP-SQL：面向智能体Text-to-SQL的预算感知观测规划
机构 * Microsoft（微软公司） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 BAP-SQL是面向智能体Text-to-SQL的预算感知观测规划方法，通过将观测形成作为预算控制阶段，在紧预算下提升了SQL生成成功率，同时减少了token使用量。
Comments 10 pages, 3 figures
自信但不可靠：对基于脑MRI的视觉语言模型的行为安全审计
机构 * Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） ； TReNDS Center（TReNDS中心）
AI总结 本研究对6个指令微调VLMs开展脑MRI行为安全审计，发现其置信度校准差、存在大量高置信度错误，提出医学图像VLM评估需报告置信度可靠性等指标。
具有局部收敛输入的神经网络用于高效期权定价模型
机构 * School of Mathematics, Georgia Institute of Technology（佐治亚理工学院数学学院）
AI总结 该研究提出NNLCI神经网络，通过局部校正粗细网格的期权定价解，以少量高保真数据训练，将细网格解的RMSE降低4-12倍，可高效用于高维期权定价，降低计算需求。
Comments 15 pages
GENERIC-FNO：将能量守恒和熵产生嵌入傅里叶神经算子
机构 * University of Illinois at Chicago（伊利诺伊大学芝加哥分校） ； Georgia Tech Research Institute（佐治亚理工学院研究所）
AI总结 提出GENERIC-FNO，首个在函数空间直接嵌入非平衡热力学完整GENERIC结构的神经算子，通过秩一投影精确满足退化条件，实现能量守恒与熵产生，在超分辨率下保持结构保证。
Comments Under review at TMLR
FLARE: 混合语言模型的扩散方法
机构 * Adobe Research（Adobe研究院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出FLARE框架，通过结合自回归和扩散目标、硬件感知内核和统一推理，将混合注意力LLM转换为支持并行解码的扩散模型，在保持能力的同时提升吞吐量。
拉格朗日指数策略用于具有平均奖励的 restless 多臂老虎机
机构 * INRIA Sophia Antipolis（INRIA索菲亚-安蒂波利斯） ； Indian Institute of Technology Bombay（印度班加罗尔理工学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种用于 restless 多臂老虎机的拉格朗日指数策略，通过强化学习算法实现在线学习，并分析了其在最优网络爬行和信息年龄最小化中的应用。
Journal ref Queueing Systems 110, 21 (2026)
基于极小极大与后验匹配的在线算法
机构 * University of Bonn（波恩大学） ； Institute of Computer Science, University of Bonn（波恩大学计算机科学学院） ； Microsoft Research（微软研究院） ； PUC-Rio（里约热内卢天主教大学） ； Georgia Tech（佐治亚理工学院） ； School of Mathematics, Georgia Tech（佐治亚理工学院数学学院） ； School of Computer Science, Georgia Tech（佐治亚理工学院计算机科学学院）
AI总结 该研究基于极小极大视角提出后验匹配原理，将在线算法竞争分析简化为贝叶斯在线设计，为多类在线问题提供最优或接近最优保证，构建了可复用的理论框架。
Comments To appear at FOCS 2026
面向BioASQ第14b任务的结合弱问题恢复与神经重排序的检索增强生物医学问答
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对BioASQ第14b任务，构建了结合多源查询扩展等技术的生物医学问答系统，通过弱问题恢复与检索后剪枝提升检索性能，经实验验证可显著优化MAP@10指标。
用于批量机器人策略服务的动作块调度
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出从远程GPU向多机器人提供策略服务的调度问题，构建Armory系统，提出考虑机器人异构性的调度算法，使真实场景系统吞吐量最高提升18%。
DS@GT ARC团队参与2026 MEDIQA-CORE-Task-1：采用带任务特定门控的三模态模型融合进行脑肿瘤亚型分类
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Florida（佛罗里达大学）
AI总结 DS@GT ARC团队针对2026 MEDIQA-CORE-Task-1，提出带任务特定门控的三模态模型融合方法，结合多类嵌入与报告，获全多模态下0.801宏F1，排名第二。
Comments CLEF 2026 Working Notes, 21 - 24 September 2026, Jena, Germany
用于反应产率预测的通用视觉与交叉注意力机制
机构 * Duke University（杜克大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对传统反应产率预测缺乏空间信息的问题，提出双模态视觉交叉注意力架构，结合通用视觉骨干网络与残差连接，实现了优于传统方法的预测精度，为物理化学研究提供了可扩展的深度视觉学习方案。
Comments 12 pages, 4 figures
SoK: DARPA 人工智能网络挑战赛 (AIxCC)：竞赛设计、架构与经验教训
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Texas A&M University（德克萨斯大学） ； Smart Information Flow Technologies (SIFT)（智能信息流技术公司） ； Kudu Dynamics（Kudu动态公司） ； Microsoft（微软）
AI总结 本文系统分析 DARPA 人工智能网络挑战赛 (AIxCC)，探讨其竞赛设计、决赛系统的架构方法，并总结驱动性能的因素、技术进展及未来研究方向。
Comments Camera ready version, systematization of Knowledge and post-competition analysis of DARPA AIxCC (2023-2025)
Journal ref USENIX Security 2026
Good Weights：用于连续鲁棒视觉SLAM的主动自适应航位推算融合算法
机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Institute of Robotics and Intelligent Machines（机器人与智能机械研究所） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出Good Weights算法，通过自适应融合航位推算与被动视觉SLAM，解决纹理缺失等环境下视觉SLAM位姿估计差、跟踪丢失的问题，提升了视觉SLAM的性能与鲁棒性。
Comments 8 pages, 9 figures, 1 table. Accepted to ICRA 2026
FORGE：用于长视频理解的相关几何中的帧正交性
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Center for Signal and Information Processing (CSIP)（信号与信息处理中心 (CSIP)） ； School of Electrical and Computer Engineering（电气与计算机工程学院）
AI总结 研究长视频理解中推理时最大化查询相关信息问题，提出FORGE模型无关方法，通过在预训练嵌入空间引入查询条件几何统一相关性和多样性，实验证明该方法在关键帧选择和问答上有显著提升。
Comments Under Review
层级化和多模态数据用于日常活动理解
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Amazon Lab126（亚马逊Lab126）
AI总结 DARai数据集通过多模态和层级注释，旨在理解现实环境中的人类活动，支持单模态和多模态传感器融合实验，揭示日常活动理解中的挑战。
Comments Accepted for publication in DMLR
因果关系在算法追索中的作用
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Vector Institute（向量研究院） ； Drexel University（德雷塞尔大学） ； Leiden University（莱顿大学）
AI总结 本研究针对算法追索仅关注翻转模型预测的缺陷，提出因果表演框架建模追索行动的因果传播，实验显示其优于标准方法并减少模型重训需求。
基准测试如何错误评估计算机使用智能体
机构 * Georgia Institute of Technology（佐治亚理工学院） ； North Carolina State University（北卡罗来纳州立大学） ； Lenovo AI Technology Center（联想人工智能技术中心） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Marquette University（马凯特大学） ； Fudan University（复旦大学）
AI总结 该研究指出计算机使用智能体的基准测试分数存在可靠性问题，审计150条轨迹发现15.3%的“失败”判定错误，进而推导了CUA评估各阶段的设计规则。
静态输入，动态输出：面向运动物体操作的反事实动作增强方法
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对视觉运动策略无法适应运动物体操作的问题，提出SIDO反事实动作增强方法，经模拟和真实任务验证，其在提升运动物体操作成功率的同时保留了静态物体操作性能。
DS@GT ARC参与2026年ImageCLEFmedical任务：医学图像分析中用于概念检测的架构多样性与用于字幕预测的基础模型缩放
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究介绍DS@GT团队参与2026年ImageCLEFmedical医学图像分析任务，提交不同模型完成概念检测与字幕预测，其中集成模型在概念检测赛道获第一，各模型覆盖不同规模与成本。
Comments 21 pages, 9 figures
语言模型中的隐藏API：从分叉未来中发现可复用的因果接口
机构 * Nanyang Technological University（南洋理工大学） ； Southern University of Science and Technology（南方科技大学） ； Tianjin University（天津大学） ； Sun Yat-sen University（中山大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The Hong Kong Polytechnic University（香港理工大学） ； Shenzhen University（深圳大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究从分叉未来采样后续操作以比较语言模型隐藏状态，发现共享接口在多模型评估中表现最优，支持测试操作库中存在可复用因果接口。
基于流匹配世界建模的外科机器人模仿策略故障检测
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学）
AI总结 该研究针对外科机器人模仿策略的故障检测难题，提出FoMo-FD方法，利用流匹配世界模型实现无故障演示的视觉-动作不一致性窗口级检测，在dVRK的模拟与真实实验中表现优于基线方法。
Comments 9 pages, 6 figures. Submitted to IEEE Robotics and Automation Letters (RA-L)
具有边距的多面体学习的紧界
机构 * Columbia University（哥伦比亚大学） ； Georgia Tech（佐治亚理工学院）
AI总结 本文提出了一种在误差ε内学习k个半空间交集的算法，时间复杂度为多项式乘以指数项，改进了以往工作并匹配了密码学和统计查询下界。
小型语言模型代理实现高效高质量的知识挖掘
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Carneigie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出Falconer框架，结合大语言模型的代理推理与轻量级代理模型，通过规划与标注实现可扩展的知识挖掘，在保持指令遵循精度的同时降低90%推理成本并加速20倍以上。
Comments Code available: https://github.com/LongfeiYun17/falconer
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈